Grad-CAM XAI 기반 실리콘 웨이퍼 결함 이진 분류 합성곱 신경망
- 자료 유형
- 실제 탐구보고서
- 합격 정보
- 고려대(서울) 반도체공
- 활동 유형
- 세부능력 및 특기사항
- 교과 과목
- 프로그래밍, 수학Ⅱ, 물리학Ⅰ
- 탐구 키워드
- 반도체(소자), 인공지능 (머신러닝, NLP 등)
2026-06-04
로그인 후 이용해주세요
저장소에 저장되었습니다.
로그인 후 이용해주세요
내용 요약
실리콘 웨이퍼 결함 검출 문제를 주제로 CNN 모델을 설계하고, Grad-CAM 기법을 통해 모델의 판단 근거를 시각화함.
Kaggle의 WM-811K 데이터셋을 활용하여 결함을 이진 분류하고, 전처리 과정을 통해 학습 데이터를 구성함.
Grad-CAM을 통해 CNN의 특징 맵을 시각화하고, 모델이 결함으로 판단한 영역을 해석함.
혼동행렬을 사용하여 모델의 분류 성능을 평가하고, 적은 에포크 수에서도 안정적인 성능 향상을 확인함.
합성곱 연산과 행렬 기반 선형 변환의 수학적 개념이 반도체 공정 문제 해결에 적용될 수 있음을 이해함.
반도체 공정 자동화 및 AI 기반 품질 검사 분야로의 확장 가능성을 지닌 탐구임.
탐구 보고서 전문
멘토의 다른 탐구 활동
꼭 알아주세요
- 본 자료와 관련된 모든 저작권은 (주)진학사에 있으며, 저작권법 제4장 및 제5장의 규정에 따라 일부 또는 전체를 복제, 배포, 업로드하거나 이를 바탕으로 한 2차 저작물을 제작하는 행위를 금합니다.
- 제공되는 탐구 보고서는 학생부종합전형으로 합격한 선배들의 실제 탐구 자료입니다. 이미 대학 입학사정관의 평가를 받은 자료이기에,이를 그대로 따라하기보다는 참고 자료로 활용하여 여러분만의 독창적인 탐구 보고서를 작성해 주시기 바랍니다. 선배들의 탐구 과정과 방법론을 참고하되, 여러분의 관심사와 관점을 반영한 차별화된 탐구를 진행하시길 권합니다.
- 하나의 아이디는 구매자 본인 이용을 기준으로 제공됩니다. 본인이 사용하는 PC/모바일에서는 이용 가능하나, 여러 명이 하나의 아이디를 공유해 이용할 수 없습니다. 부정 사용 방지를 위해 접속 IP 등 이용 로그가 기록될 수 있으며, 비정상 이용이 확인될 경우 서비스 이용이 제한될 수 있습니다.